In un nuovo studio condotto da ricercatori del prestigioso Karolinska Institutet e SciLifeLab in Svezia è stato utilizzato un nuovo approccio all’intelligenza artificiale (AI) per analizzare e interpretare enormi set di dati provenienti dal tessuto tumorale.
Ciò potrebbe supportare lo sviluppo di trattamenti più personalizzati per i malati di cancro in futuro.
La ricerca è stata pubblicata su Nature Communications.
I tessuti sani funzionano perché le cellule sviluppano caratteristiche diverse – o fenotipi – e si organizzano spazialmente all’interno dell’organo. Nel fegato, ad esempio, la posizione delle cellule epatiche lungo l’asse arteria-vena ne determina la funzione. Inoltre, l’immunità mediata da anticorpi nei linfonodi può verificarsi solo se le cellule B si spostano dalla zona delle cellule B alla zona delle cellule T.
Tuttavia, la malattia può verificarsi quando questa organizzazione spaziale e la cooperazione tra le cellule vengono interrotte. Questa conoscenza può essere utilizzata per prendere decisioni cliniche.
Ad esempio, riporta lo studio, “nel cancro, i tumori possono essere stratificati in base alla densità e alla distribuzione delle cellule T citotossiche: i tumori con infiltrazione di cellule T densa e uniforme rispondono meglio agli inibitori del checkpoint immunitario mentre i tumori in cui le cellule T sono segregate lontano da le cellule tumorali mostrano una risposta più scarsa”.
Gli attuali progressi nell’imaging consentono l’osservazione dei tumori a livello microscopico, inclusa la misurazione simultanea di centinaia di molecole e migliaia di cellule.
Tuttavia, queste tecniche di imaging del tumore presentano delle sfide. Innanzitutto, la quantità di dati generati è enorme. In secondo luogo, con così tante misurazioni effettuate contemporaneamente, i ricercatori spesso hanno difficoltà a trovare le molecole e le cellule giuste su cui concentrarsi.
Sebbene l’intelligenza artificiale possa aiutare con questi grandi set di dati, gli attuali processi rimangono difficili da comprendere e inaccessibili agli esseri umani.
Nel loro studio, i ricercatori hanno quindi cercato soluzioni di intelligenza artificiale nei settori dell’imaging satellitare e dell’ecologia comunitaria.
“Ci siamo resi conto che l’interpretazione delle immagini del tumore è simile all’interpretazione delle immagini satellitari e che le relazioni tra le cellule in un tessuto sono simili alle relazioni tra le specie in ecologia”, ha spiegato Jean Hausser, ricercatore presso il dipartimento di biologia cellulare e molecolare del Karolinska Institutet, che ha guidato la ricerca.
“Combinando le tecniche utilizzate nell’imaging satellitare e nell’ecologia e adattandole per l’analisi del tessuto tumorale, ora siamo stati in grado di trasformare dati complessi in nuove informazioni su come funziona il cancro”.
I ricercatori hanno chiamato la combinazione di intelligenza artificiale, imaging satellitare e mappatura dei fenotipi di nicchia dell’ecologia comunitaria (NIPMAP). NIPMAP consente l’analisi delle caratteristiche cellulari e rivela come le cellule vengono guidate spazialmente nei tessuti sani e malati. Può fornire approfondimenti sull’architettura e sulle proprietà fondamentali dei tessuti.
“Con il nostro nuovo metodo, possiamo rivelare dettagli importanti nel tessuto tumorale che possono determinare se un trattamento contro il cancro funziona o meno. L’obiettivo a lungo termine è quello di riuscire ad adattare i trattamenti contro il cancro alle esigenze individuali ed evitare effetti collaterali non necessari”, ha aggiunto Hausser.
Nel prossimo futuro, i ricercatori vogliono testare il loro metodo basato sull’intelligenza artificiale in studi clinici. Insieme a un importante ospedale oncologico di Lione, in Francia, i ricercatori intendono indagare sul motivo per cui alcuni pazienti rispondono all’immunoterapia antitumorale e altri no. I ricercatori stanno anche collaborando con la Mayo Clinic negli Stati Uniti per scoprire perché alcune pazienti affette da cancro al seno non necessitano di chemioterapia.
